中文版 | English

在结果中检索

CASIA OpenIR

浏览/检索结果: 共7条，第1-7条 帮助

限定条件                    
已选(0)清除 条数/页：   排序方式：
Skeleton-Based Action Recognition with Directed Graph Neural Networks 会议论文
, Long Beach, CA, United states, June 16, 2019 - June 20, 2019
作者:  Shi L(史磊);  Zhang YF(张一帆);  Cheng J(程健);  Lu HQ(卢汉清)
Adobe PDF(554Kb)  |  收藏  |  浏览/下载：165/51  |  提交时间：2021/05/31
Two-Stream Adaptive Graph Convolutional Networks for Skeleton-Based Action Recognition 会议论文
, Long Beach, CA, United states, June 16, 2019 - June 20, 2019
作者:  Shi, Lei;  Zhang, Yifan;  Cheng, Jian;  Lu, Hanqing
浏览  |  Adobe PDF(691Kb)  |  收藏  |  浏览/下载：242/61  |  提交时间：2021/01/26
Two-Level Attention Network With Multi-Grain Ranking Loss for Vehicle Re-Identification 期刊论文
IEEE TRANSACTIONS ON IMAGE PROCESSING, 2019, 卷号: 28, 期号: 9, 页码: 4328-4338
作者:  Guo, Haiyun;  Zhu, Kuan;  Tang, Ming;  Wang, Jinqiao
浏览  |  Adobe PDF(2562Kb)  |  收藏  |  浏览/下载：356/72  |  提交时间：2019/12/16
Two-level attention network  multi-grain ranking loss  vehicle re-identification  feature embedding  
基于深度学习的视觉目标跟踪方法研究 学位论文
, 中国科学院自动化研究所: 中国科学院自动化研究所, 2019
作者:  赵飞
Adobe PDF(37107Kb)  |  收藏  |  浏览/下载：325/13  |  提交时间：2019/06/04
视觉目标跟踪  深度学习  强化学习  对抗学习  
基于深度学习的视觉问答 学位论文
, 中国科园学院大大学: 中科院自动化研究所, 2019
作者:  方治炜
Adobe PDF(6749Kb)  |  收藏  |  浏览/下载：276/15  |  提交时间：2019/06/04
视觉问答  深度学习  多模态融合  答案蒸馏  模型泛化能力  问题编码  
Improving visual question answering using dropout and enhanced question encoder 期刊论文
PATTERN RECOGNITION, 2019, 卷号: 90, 期号: 1, 页码: 404-414
作者:  Fang, Zhiwei;  Liu, Jing;  Li, Yong;  Qiao, Yanyuan;  Lu, Hanqing
浏览  |  Adobe PDF(1624Kb)  |  收藏  |  浏览/下载：480/128  |  提交时间：2019/04/23
Visual question answering  Coherent dropout  Siamese dropout  Enhanced question encoder  
Dynamic Collaborative Tracking 期刊论文
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, 2019, 卷号: 30, 期号: 10, 页码: 3035-3046
作者:  Zhu, Guibo;  Zhang, Zhaoxiang;  Wang, Jinqiao;  Wu, Yi;  Lu, Hanqing
浏览  |  Adobe PDF(2492Kb)  |  收藏  |  浏览/下载：505/153  |  提交时间：2018/10/11
Correlation filter (CF)  distracter suppression  online learning  visual tracking